一种基于智能搜索的AR肿瘤知识图谱多模态演示方法

    公开(公告)号:CN112131405B

    公开(公告)日:2024-05-17

    申请号:CN202011039917.4

    申请日:2020-09-28

    摘要: 本发明提出一种基于智能搜索的AR肿瘤知识图谱多模态演示方法,包括以下步骤:S1.构建目标肿瘤疾病的多模态知识图谱,根据相关数据,建立一种基于多模态知识展示的目标肿瘤知识图谱,并存入neo4j数据库中;S2.采用unity工具系统,设置人体三维模型,点击对应器官位置,演示目标肿瘤实体的AR多模态知识图谱,并且能够根据需要进行2D和3D的转换;S3.智能搜索结合可视化知识图谱,对目标实体的知识图谱进行多模态信息展示。该方法通过结合多模态知识图谱的AR展示,并且提供智能搜索和2D转换,融合多种功能,有利于用户有更加丰富的体验效果,提高用户获取知识的效率。

    一种基于虚拟充电场站技术的充电服务价格控制方法

    公开(公告)号:CN117876005A

    公开(公告)日:2024-04-12

    申请号:CN202410029213.0

    申请日:2024-01-08

    摘要: 本发明属于智能控制与优化技术领域,具体地说是一种基于虚拟充电场站技术的充电服务价格控制方法。该方法包括:1把一个特定区域多个离散分布的充电桩资源聚合为一个虚拟充电场站进行充电管理;2将当前虚拟充电场站中离散分布的多个充电桩的在线服务状态以及等待充电服务的车辆队列信息作为虚拟充电场站服务系统的联合状态;3在服务价格制定时刻,根据虚拟充电场站服务系统联合状态、当前时段充电服务价格以及电网对场站未来时段的用电限额,将未来时段的充电服务价格作为系统控制行动;4采用深度强化学习算法对虚拟充电场站的充电服务价格进行优化。

    文本三元组的抽取方法及装置、电子设备及存储介质

    公开(公告)号:CN111950267B

    公开(公告)日:2024-03-29

    申请号:CN202010817612.5

    申请日:2020-08-14

    发明人: 陈欢欢 易惠雄

    IPC分类号: G06F40/279

    摘要: 本申请提供了一种文本三元组的抽取方法及装置,电子设备及存储介质,先确定文本中存在的实体关系,再获取第一集合和第二集合,第一集合中包括的任意一个实体为文本中的满足实体关系的第一实体,第二集合中包括的任意一个实体为文本中的满足实体关系的第二实体,最后,依据所述第一实体、所述实体关系、以及与所述第一实体匹配的所述第二实体,得到所述文本三元组。本方案可以避免现有技术中先抽取实体,导致因大部分实体不存在对应的实体关系,而使获取三元组效率低的问题。进一步的,因为得到的三元组中第一实体与第二实体是相互匹配的,且第一实体与第二实体都满足实体关系,所以可以提高三元组的准确性。

    知识图谱校正方法、系统、设备及存储介质

    公开(公告)号:CN117689021A

    公开(公告)日:2024-03-12

    申请号:CN202311712961.0

    申请日:2023-12-13

    摘要: 本发明公开了一种知识图谱校正方法、系统、设备及存储介质,通过深度学习技术从海量的动态数据中提取出有用的知识,而利用因果推理的方法,可以挖掘出数据中的相关性和因果关系,这些关系能够被用于纠正和提升现有知识图谱的质量和准确性,本发明的方法通过筛选掉与目标知识无关的信息,减小了知识图谱构建和更新过程中的复杂性,并且能有效地过滤数据噪声。此外,本发明的方法还具有处理和更新大量动态数据的能力,从而能够实现知识图谱的实时更新和优化。

    基于大型语言模型引导的因果结构学习方法与系统

    公开(公告)号:CN117474087A

    公开(公告)日:2024-01-30

    申请号:CN202311423618.4

    申请日:2023-10-30

    摘要: 本发明公开了一种基于大型语言模型引导的因果结构学习方法与系统,相关方案能够充分利用大语言模型提供的跨多个领域的高质量、易获取的先验知识,从而提升实际场景下因果关系发现的实用性,在因果结构学习中引入大语言模型提供的先验知识,简化了搜索过程,从而在有限的数据条件下更准确地发现未知的因果关系,为数据驱动的决策和预测提供了更为准确和高效的支持;并且,由于大语言模型能够跨领域提供因果先验知识,本发明具有广泛的应用前景,能够在不同领域中实现可靠的因果关系发现。

    一种基于半分离式表征的因果效应估计方法与系统

    公开(公告)号:CN117436524A

    公开(公告)日:2024-01-23

    申请号:CN202311400282.X

    申请日:2023-10-26

    摘要: 本发明公开了一种基于半分离式表征的因果效应估计方法与系统,一方面,通过深度神经网络对数据进行回归分析,能够捕捉到数据中复杂的关系,而且,基于深度神经网络,能够处理大量观察数据信息,相对而言这种方式需要的人力更少,数据源的选择更加丰富;另一方面,通过学习半分离式的表征计算用于缓解选择偏差的权重;总体而言,本发明提供的方案可以提高因果效应估计结果的准确性,提升应用的效果。

    一种利用跨语言信息的序列标注方法

    公开(公告)号:CN111274829B

    公开(公告)日:2023-06-16

    申请号:CN202010082779.1

    申请日:2020-02-07

    发明人: 陈欢欢 孙凌浩

    摘要: 本发明公开了一种利用跨语言信息的序列标注方法,通过翻译模型作为纽带将目标语言(高资源语言)下序列标注模型提取的特征迁移到源语言(低资源语言)下序列标注模型中,同时采用反向注意力的机制,通过翻译模型自动学得的注意力参数用来将不同语言间的单词对齐,并通过该机制迁移在目标语言下抽取出来的语言特征。该方法采用端到端模式,模型输入为自然语言句子,输出为标记结果,使用该发明无需进行其他额外处理,方便实际研究与使用,在当前的主流数据集上取得了很好的标注效果。